Recursos · Integración n8n

Nodo Basic LLM Chain n8nConfigura Basic LLM Chain en n8n.

Un prompt que sale, una respuesta del modelo que vuelve, y nada más que cablear. El nodo Basic LLM Chain n8n manda tu texto a un modelo de chat y devuelve la respuesta al flujo de trabajo. Expone 10 parámetros y 2 puertos, y encaja con quien busca una respuesta, no un agente que elige sus herramientas.

Probar el nodo Basic LLM Chain en n8n Ver los 10 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve de verdad el nodo Basic LLM Chain n8n?

Basic LLM Chain es un nodo raíz: recibe los items por su entrada principal, arma un prompt con ellos, lo manda al modelo de chat conectado a su puerto y devuelve el texto obtenido. Un nodo raíz se ejecuta dentro del propio flujo; un subnodo es un nodo pequeño que arrastras sobre uno de sus puertos y que nunca se ejecuta solo. Sin llamada a herramientas, sin bucle, sin decisión.

Piensa en las reseñas que deja una tienda cada semana. Llegan en texto libre y hay que sacarles el sentimiento y el tema antes de que alguien las lea. Una cadena, un mensaje de sistema con las categorías, y la respuesta queda dentro del item. El modelo no tiene que explorar nada, así que una cadena basta y la ejecución se sigue con la vista.

Segundo caso: albaranes fotografiados que llegan en binario desde el paso anterior. Pon Message Type en imageBinary, apunta Image Data Field Name al campo binario y la descripción cae en Google Sheets. Tercer caso: correos de soporte que la cadena resume antes de que salga la respuesta por Gmail.

La cadena se elige frente al nodo AI Agent cuando la tarea tiene una sola forma y una sola respuesta. El agente se gana su sitio el día en que el modelo debe elegir entre varias herramientas o encadenar varios turnos. La cadena hace una pasada y para, y eso la vuelve más fácil de depurar y más clara de releer medio año después. Si la respuesta debe venir tipada, activa Require Specific Output Format y conecta un output parser en vez de saltar al agente.

Conviene conocer los límites antes de construir encima. La cadena no tiene memoria: nada pasa de un item a otro ni de una ejecución a la siguiente. No llama a ninguna herramienta ni va a buscar una página por ti. El prompt es texto, así que todo lo variable entra por una expresión como {{ $json.chatInput }}. Y el proveedor del modelo detrás del subnodo, sea OpenAI u otro, factura sus propias llamadas de API según sus condiciones; n8n no añade nada.

Esta página describe la versión 2 del nodo. Un flujo antiguo puede mostrar una versión anterior, con menos opciones: compara el panel que tienes delante antes de buscar un ajuste que todavía no existe en tu instancia. Para situar la plataforma entera, la Reseña n8n lo cuenta.

Conexiones

¿Qué se conecta a la cadena?

La cadena es el nodo raíz; el modelo y el parser son subnodos que arrastras sobre sus puertos, un tipo de subnodo por puerto.

Puertos (qué se conecta)

Chat Modelai_languageModelobligatorio
Output Parserai_outputParseropcional

01Chat ModelEste puerto lleva el modelo que responde al prompt. La cadena no trae ninguno, así que un puerto vacío detiene la ejecución antes de que salga nada.

Este puerto lleva el modelo que responde al prompt. La cadena no trae ninguno, así que un puerto vacío detiene la ejecución antes de que salga nada.

Parámetros clave

Required: si lo dejas vacío, el nodo no puede ejecutarse.
OpenAI Chat Model: el arranque habitual cuando ya tienes la clave de ese proveedor.
Ollama Chat Model: para un modelo que corre en tu propia máquina, sin llamadas que salgan de la red.
Anthropic Chat Model: otra opción alojada, cableada igual.

Casos de uso

una cadena de clasificación suele empezar con un modelo alojado y pasar a uno local cuando el prompt ya está estable y el volumen sube.

02Output ParserEste puerto da forma a la respuesta en lugar de dejarla volver como prosa suelta. Un output parser es un subnodo que relee la respuesta del modelo y devuelve campos que el resto del flujo puede usar.

Este puerto da forma a la respuesta en lugar de dejarla volver como prosa suelta. Un output parser es un subnodo que relee la respuesta del modelo y devuelve campos que el resto del flujo puede usar.

Parámetros clave

Optional: sin él, la cadena devuelve texto plano.
Structured Output Parser: describes la forma que esperas y la respuesta vuelve dentro de ella.
Auto-fixing Output Parser: envuelve a otro parser y vuelve a preguntar al modelo cuando la primera respuesta no encaja.

Casos de uso

sacar un nombre, una fecha y un importe de una nota escrita a mano, para que el nodo siguiente coloque cada valor en su columna.

Parámetros

¿Qué parámetros importan en el panel de Basic LLM Chain ?

El nodo Basic LLM Chain tiene 10 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

Source for Prompt (User Message)

promptType

Lo que ves en n8n

Notas y casos de uso

Este selector decide de dónde sale el texto del prompt, y es lo primero que se ajusta en un nodo recién puesto.

Parámetros clave

Connected Chat Trigger Node (auto): busca un campo de entrada llamado chatInput que venga de un Chat Trigger conectado directamente.
Define below (define): una expresión que referencia datos de nodos anteriores, o texto fijo.
Prompt (User Message) (text): el campo requerido que aparece con la segunda opción y contiene el prompt.

Casos de uso

una cadena alimentada por una llamada HTTP funciona con define y {{ $json.body }} en el campo de texto. El error no prompt specified con auto avisa de datos entrantes sin campo chatInput; un nodo Edit Fields (Set) que lo renombre lo resuelve.

Require Specific Output Format

hasOutputParser

Lo que ves en n8n

Notas y casos de uso

Activa este interruptor y el nodo saca a la vista el puerto de output parser: la respuesta vuelve con forma en vez de un párrafo.

Parámetros clave

Require Specific Output Format (hasOutputParser): un booleano, apagado mientras no necesites tipar la salida.

Casos de uso

una cadena que lee un correo entrante y debe devolver una categoría, una prioridad y un resumen corto, cada uno hacia una rama distinta. Apagado, ese mismo nodo devuelve un bloque de texto que los nodos siguientes tienen que trocear a mano.

Enable Fallback Model

needsFallback

Lo que ves en n8n

Notas y casos de uso

Encendido, este ajuste guarda un segundo modelo de reserva en lugar de caerse al primer rechazo.

Parámetros clave

Enable Fallback Model (needsFallback): un booleano, apagado por defecto.

Casos de uso

un proceso nocturno que debe terminar antes de abrir la oficina, donde un proveedor caído dejaría sin respuesta al resto de la lista. Déjalo apagado mientras afinas el prompt: con dos modelos ya no sabes cuál produjo la respuesta que estás leyendo.

Type Name or ID

messages.type

Lo que ves en n8n

Notas y casos de uso

Dentro de Chat Messages, este selector dice en nombre de quién habla un mensaje. n8n ignora estas opciones si no hay ningún modelo de chat conectado.

Parámetros clave

System (SystemMessagePromptTemplate): la instrucción que guía lo que el modelo debe hacer, tono incluido.
User (HumanMessagePromptTemplate): un ejemplo de entrada de usuario.
AI (AIMessagePromptTemplate): un ejemplo de respuesta esperada que el modelo intenta imitar.

Casos de uso

juntar un ejemplo User con un ejemplo AI le da al modelo un caso resuelto, y eso suele bastar para fijar un formato sin ningún parser.

Message Type

messages.messageType

Lo que ves en n8n

Notas y casos de uso

Este aparece en un mensaje User y dice qué recibe el modelo: palabras, o una imagen que mirar.

Parámetros clave

Text (text): un mensaje de texto simple.
Image (Binary) (imageBinary): procesa la entrada binaria que viene del nodo anterior.
Image (URL) (imageUrl): procesa la imagen que está en la dirección indicada.

Casos de uso

una cadena que lee tickets escaneados trabaja con imageBinary justo después del nodo que descargó el archivo, sin paso de almacenamiento en medio.

Image Data Field Name

messages.binaryImageDataKey

Lo que ves en n8n

Notas y casos de uso

Cuando la imagen llega en binario, la cadena necesita saber qué campo la contiene, y aquí es donde se lo dices.

Parámetros clave

Image Data Field Name (binaryImageDataKey): requerido, el nombre del campo de la entrada de la cadena que contiene el archivo de imagen binario a procesar.

Casos de uso

una foto recogida de un mensaje y pasada directamente al modelo. El valor esperado es un nombre de propiedad binaria, no una ruta JSON: el fallo típico es escribir una expresión donde bastaba el nombre tal cual.

Image URL

messages.imageUrl

Lo que ves en n8n

Notas y casos de uso

La otra manera de entregar una imagen: dar la dirección y dejar que el modelo recoja lo que necesita.

Parámetros clave

Image URL (imageUrl): requerido, la URL de la imagen a procesar.

Casos de uso

fotos de producto ya alojadas en un espacio público, cuyo enlace viaja por el flujo como {{ $json.imageUrl }} sin que ningún archivo entre en n8n. Si la dirección es privada o caduca, la vía binaria da menos sustos.

Image Details

messages.imageDetail

Lo que ves en n8n

Notas y casos de uso

Este ajuste controla cómo procesa el modelo la imagen y cómo genera su comprensión textual, y mueve con él el presupuesto de tokens. Un token es la unidad en la que un modelo cuenta su entrada.

Parámetros clave

Auto (auto): mira el tamaño de la imagen y decide entre el ajuste low y el high.
Low (low): una versión de 512px x 512px, un presupuesto de 65 tokens, respuestas más rápidas y menos tokens de entrada.
High (high): recortes detallados de 512px, cada uno al doble de presupuesto, 129 tokens en total.

Casos de uso

contar objetos en una foto aguanta con low; leer la letra pequeña de una etiqueta es justo para lo que está high.

Message

messages.message

Lo que ves en n8n

Notas y casos de uso

Es el texto del mensaje de chat en sí, y lo que significa depende del tipo elegido justo encima.

Parámetros clave

Message (message): requerido, el contenido de ese mensaje.

Casos de uso

en un mensaje System, un Always respond talking like a pirate basta para fijar el tono en todos los items. En un mensaje AI, ese mismo campo recoge un ejemplo de respuesta esperada, y el modelo intenta contestar igual.

Batch Processing

batching

Lo que ves en n8n

Notas y casos de uso

Una colección de opciones de procesamiento por lotes para limitar el ritmo, útil el día en que un flujo deja de recibir respuestas porque pidió demasiadas de golpe.

Parámetros clave

Batch Size (batchSize): cuántos items procesar en paralelo, lo que ayuda a limitar el ritmo pero puede alterar el orden de los logs.
Delay Between Batches (delayBetweenBatches): un retardo en milisegundos entre lotes, también para limitar el ritmo.

Casos de uso

una lista de varios miles de filas pasada por la cadena en una sola ejecución. Sube el retardo antes de bajar el tamaño cuando el proveedor frena, y recuerda que el orden de los logs ya no sigue al de la entrada.

Necesitas ayuda

¿Necesitas ayuda para automatizar Basic LLM Chain con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Preguntas frecuentes sobre Basic LLM Chain

01¿El nodo Basic LLM Chain es gratis en n8n?

Sí. Forma parte del paquete de IA que viene con n8n: nada que instalar y nada extra que pagar del lado de n8n, tanto en n8n Cloud como en una instancia autoalojada con la Community Edition y su licencia Sustainable Use. Un flujo se comporta igual en los dos sitios. El coste real está en otro lado: el proveedor del modelo de chat que conectes factura sus propias llamadas de API según sus condiciones, y n8n no añade nada encima. Así que el nodo en sí no cuesta nada, y el gasto depende por completo del subnodo de modelo que pongas en el puerto y de cada cuánto se ejecuta.

02¿Qué credenciales necesita el nodo Basic LLM Chain?

Ninguna. El nodo no tiene credencial ni selector de autenticación, así que no hay nada que preparar del lado de la cuenta antes de usarlo. La clave vive un paso más allá: el subnodo de modelo de chat conectado al puerto es el que lleva la credencial del proveedor, y ahí es donde se introduce. Una credencial es un dato de acceso que se guarda una vez en n8n y que reutilizan todas las cadenas que usan ese mismo modelo. En la práctica, un nodo Basic LLM Chain recién puesto ya está listo, y lo único que falta es elegir un modelo y darle su clave al subnodo.

03¿Qué límites tiene el nodo Basic LLM Chain n8n?

Hace una pasada. La cadena manda un prompt, lee la respuesta y para, lo que deja fuera la llamada a herramientas y el razonamiento en varios turnos. Tampoco guarda memoria: no se retiene nada de un item a otro ni de una ejecución a la siguiente. Las imágenes solo entran por un mensaje User puesto en binario o en URL, y el ajuste de detalle marca el techo de finura con que el modelo las mira. Esta página describe la versión 2 del nodo; un flujo antiguo puede mostrar una versión anterior con menos opciones. Todo lo que se salga de esa forma es trabajo de otro nodo.

04¿Basic LLM Chain o AI Agent: cuál conviene?

Coge la cadena cuando la tarea tiene una sola forma y una sola respuesta: clasificar, reescribir, resumir. Coge el agente cuando el modelo debe elegir entre herramientas o encadenar varios turnos antes de responder. Como mínimo, una cadena pide dos cosas: un modelo de chat en su puerto requerido y un prompt, venga de un Chat Trigger conectado o escrito debajo. Para empezar, OpenAI Chat Model es el camino más corto si ya tienes la clave, y Ollama Chat Model deja todo en tu propia máquina. Un Structured Output Parser se añade solo el día en que la respuesta debe venir tipada.

05¿n8n o Make para lanzar un prompt de LLM?

Depende de dónde quieras que viva el flujo. Make está alojado, sin opción de autoalojamiento, y factura por operación: una cadena que recorre una lista larga ve crecer su coste con la lista. n8n corre en n8n Cloud o en tu propio servidor mediante Docker o npm, lo que pesa cuando los prompts llevan datos que prefieres guardar en casa. Los dos ofrecen un lienzo visual. Decide por el alojamiento, el control de los datos, el modelo de coste y lo cómoda que resulte la herramienta a quien vaya a mantener el flujo, no por una lista de funciones.

Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.